摘要：目的:设计一种基于计算机视觉技术结合深度学习模型的新方法检测八角粉的掺假情况。方法:采集不同掺假比例八角粉的原始图像,利用预处理和数据增强技术获得图像集合。随后构建SqueezeNet深度学习模型,并与支持向量机(support vector machine, SVM)、K-邻近学习(K-nearest neighbor learning, KNN)、随机森林(random forest, RF)、梯度提升树(gradient boosting tree, GBT)和多层感知器(multilayer perceptron, MLP)5种机器学习模型进行比较。结果:5种机器学习模型的最高准确度仅为66.37%,而SqueezeNet模型的准确度为99.42%。结论:深度学习分类模型性能相较于传统机器学习分类模型更为优越,识别效果良好且样品无需预处理。